模型训练方法、图像背景相似判断方法及装置制造方法及图纸

本申请提供一种模型训练方法、图像背景相似判断方法及装置，该模型训练方法基于训练数据，训练用于对刷脸图像的背景相似度评分进行预测的目标模型，其中，训练数据包括多个数据对以及每一数据对的背景相似度评分标签，每一数据对的背景相似度评分标签根据相应数据对的背景相似程度确定，每一数据对包括两个刷脸图像。从而，利用模型训练的思想，提供了一种对刷脸图像的背景相似度评分进行预测的方式，不仅实现对刷脸图像背景相似度评分的分析，而且确保了分析的准确性，有利于快速地识别欺诈团伙，以对其欺诈行为进行预警以及响应。以对其欺诈行为进行预警以及响应。以对其欺诈行为进行预警以及响应。

【技术实现步骤摘要】
模型训练方法、图像背景相似判断方法及装置


[0001]本申请涉及金融科技(Fintech)的图像处理技术，尤其涉及一种模型训练方法、图像背景相似判断方法及装置。

技术介绍

[0002]随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技转变，图像处理技术也不例外，但由于金融行业的安全性、实时性要求，其对图像处理技术提出更高的要求。
[0003]相关技术中，很多业务开展都需要用到图像处理技术，以银行信贷业务为例，需要处理用户提供的刷脸图像(半身像或头像)，以识别用户身份。业务方在对用户进行身份识别时，发现部分逾期用户的刷脸照片所处的场景是相似的，即刷脸图像的背景是相似的，甚至刷脸图像是在同一位置同一视角拍摄的，这种情况有较大可能是欺诈团伙在有组织地进行欺诈行为。因此，需要训练一个模型，可以计算出任意两张刷脸图像的背景相似度，以快速地对团伙欺诈行为进行预警以及响应。

技术实现思路

[0004]本申请提供一种模型训练方法、图像背景相似判断方法、介质及装置，以实现对刷脸图像背景相似度的预测分析。
[0005]第一方面，本申请实施例提供一种模型训练方法，所述方法包括：
[0006]确定训练数据，所述训练数据包括多个数据对以及每一数据对的背景相似度评分标签，所述每一数据对的背景相似度评分标签根据相应数据对的背景相似程度确定，所述每一数据对包括两个刷脸图像；
[0007]根据所述训练数据，对预设初始模型进行训练，得到训练好的目标模型，所述目标模型用于对刷脸图像的背景相似度评分进行预测。
[0008]第二方面，本申请实施例提供一种图像背景相似判断方法，包括：
[0009]确定待判断刷脸图像，所述待判断刷脸图像包括至少一个数据对，每一数据对包括两个刷脸图像；
[0010]通过目标模型对所述至少一个数据对进行处理，得到所述至少一个数据对中每一数据对对应的背景相似度预测评分，其中，所述目标模型是根据如第一方面提供的模型训练方法训练得到的；
[0011]展示所述每一数据对对应的背景相似度预测评分。
[0012]第三方面，本申请实施例提供一种模型训练装置，所述装置包括：
[0013]数据确定模块，用于确定训练数据，所述训练数据包括多个数据对以及每一数据对的背景相似度评分标签，所述每一数据对的背景相似度评分标签根据相应数据对的背景相似程度确定，所述每一数据对包括两个刷脸图像；
[0014]模型训练模块，用于根据所述训练数据，对预设初始模型进行训练，得到训练好的
目标模型，所述目标模型用于对刷脸图像的背景相似度评分进行预测。
[0015]第四方面，本申请实施例提供一种图像背景相似判断装置，所述装置包括：
[0016]图像确定模块，用于确定待判断刷脸图像，所述待判断刷脸图像包括至少一个数据对，每一数据对包括两个刷脸图像；
[0017]背景判断模块，用于通过目标模型对所述至少一个数据对进行处理，得到所述至少一个数据对中每一数据对对应的背景相似度预测评分，其中，所述目标模型是根据如第一方面提供的模型训练方法训练得到的；
[0018]评分展示模块，用于展示所述每一数据对对应的背景相似度预测评分。
[0019]第五方面，本申请实施例提供一种模型训练设备，包括：
[0020]处理器；
[0021]存储器；以及
[0022]计算机程序；
[0023]其中，所述计算机程序被存储在所述存储器中，并且被配置为由所述处理器执行，所述计算机程序包括用于执行如第一方面所述的方法的指令。
[0024]第六方面，本申请实施例提供一种图像背景相似判断设备，包括：
[0025]处理器；
[0026]存储器；以及
[0027]计算机程序；
[0028]其中，所述计算机程序被存储在所述存储器中，并且被配置为由所述处理器执行，所述计算机程序包括用于执行如第二方面所述的方法的指令。
[0029]第七方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序使得服务器执行第一方面所述的方法。
[0030]第八方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序使得服务器执行第二方面所述的方法。
[0031]第九方面，本申请实施例提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行第一方面所述的方法。
[0032]第十方面，本申请实施例提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行第二方面所述的方法。
[0033]本申请实施例提供的模型训练方法、图像背景相似判断方法及装置，该方法基于训练数据，训练用于对刷脸图像的背景相似度评分进行预测的目标模型，其中，训练数据包括多个数据对以及每一数据对的背景相似度评分标签，每一数据对的背景相似度评分标签根据相应数据对的背景相似程度确定，每一数据对包括两个刷脸图像。从而，利用模型训练的思想，提供了一种对刷脸图像的背景相似度评分进行预测的方式，不仅实现对刷脸图像背景相似度评分的分析，而且确保了分析的准确性，有利于快速地识别欺诈团伙，以对其欺诈行为进行预警以及响应。
附图说明
[0034]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为本申请实施例根据本申请实施方式提供的应用场景示意图；
[0036]图2为本申请实施例提供的一种模型训练方法的流程示意图；
[0037]图3为本申请实施例提供的另一种模型训练方法的流程示意图；
[0038]图4为本申请实施例提供的再一种模型训练方法的流程示意图；
[0039]图5为本申请实施例提供的一刷脸图像对应的前景背景分割图；
[0040]图6为本申请实施例提供的一刷脸图像与其对应的前景背景分割图进行融合后的图像；
[0041]图7为本申请实施例提供的在前景与背景的分界位置有部分前景的像素残留示意图；
[0042]图8为本申请实施例提供的一刷脸图像与前景背景分割扩展图融合后的结果示意图；
[0043]图9a为本申请实施例提供的一边缘检测图与前景背景分割扩展图融合后的结果示意图；
[0044]图9b为本申请实施例提供的一边缘检测图与前景背景分割图融合后的结果示意图；
[0045]图10为本申请实施例提供的一种图像背景相似判断方法的流程示意图；
[0046]图11为本申请实施例提供的一种模型训练装置的结构示意图；
[0047]图12为本申请实施例提供的一种图像背景相似判断装置的结构示意图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：确定训练数据，所述训练数据包括多个数据对以及每一数据对的背景相似度评分标签，所述每一数据对的背景相似度评分标签根据相应数据对的背景相似程度确定，所述每一数据对包括两个刷脸图像；根据所述训练数据，对预设初始模型进行训练，得到训练好的目标模型，所述目标模型用于对刷脸图像的背景相似度评分进行预测。2.根据权利要求1所述的方法，其特征在于，所述背景相似度评分标签包括至少三个不同的评分标签，各个评分标签对应的数据对的背景相似程度不同；所述根据所述训练数据，对预设初始模型进行训练，得到训练好的目标模型，包括：基于预设余弦距离的最大值和最小值，初始化背景相似度预测评分；确定所述各个评分标签到所述背景相似度预测评分的映射标签；根据所述映射标签，构建损失函数；基于所述损失函数和所述训练数据，对所述预设初始模型进行训练，得到训练好的目标模型。3.根据权利要求2所述的方法，其特征在于，所述确定所述各个评分标签到所述背景相似度预测评分的映射标签，包括：获取预设的评分标签与背景相似度评分的映射关系式，所述映射关系式中包括待求解参数；根据所述映射关系式、所述各个评分标签和所述背景相似度预测评分，确定所述待求解参数的值；基于所述映射关系式和所述待求解参数的值，获得所述各个评分标签到所述背景相似度预测评分的映射标签。4.根据权利要求2所述的方法，其特征在于，所述根据所述映射标签，构建损失函数，包括：确定所述每一数据对对应的余弦距离数据与相应映射标签的均方误差；基于所述均方误差，确定所述损失函数。5.根据权利要求1至4中任一项所述的方法，其特征在于，在所述确定训练数据之前，还包括：获取多个刷脸图像；对所述多个刷脸图像进行预处理，其中，所述预处理包括图像前景背景处理；所述确定训练数据，包括：基于预处理后的多个刷脸图像，确定所述训练数据。6.根据权利要求5所述的方法，其特征在于，还包括：去除所述多个刷脸图像中的第一类图像，其中，所述第一类图像为图像中人脸占比大于第一阈值的图像。7.根据权利要求6所述的方法，其特征在于，所述去除所述多个刷脸图像中的第一类图像，包括：确定所述多个刷脸图像中每一刷脸图像中包含人脸的最小矩形框；计算所述最小矩形框的面积与相应刷脸图像面积的比值，基于所述比值，获得所述每
一刷脸图像中的人脸占比；根据所述每一刷脸图像中的人脸占比，去除所述多个刷脸图像中的所述第一类图像。8.根据权利要求5所述的方法，其特征在于，所述对所述多个刷脸图像进行预处理，包括：确定所述多个刷脸图像中每一刷脸图像对应的前景背景分割图；将所述每一刷脸图像与其对应的前景背景分割图进行融合处理。9.根据权利要求8所述的方法，其特征在于，所述将所述每一刷脸图像与其对应的前景背景分割图进行融合处理，包括：确定所述每一刷脸图像对应的前景背景分割图的灰度图；计算每一灰度图中各个像素点的红绿蓝值，并基于所述每一灰度图中各个像素点的红绿蓝值，对相应灰度图进行二值化处理；将二值化处理后的灰度图中各个像素点的取值按位取反，获得取反图，并将每一取反图与相应刷脸图像进行按位与处理，获得融合后的图像。10.根据权利要求5所述的方法，其特征在于，还包括：去除所述多个刷脸图像中的第二类图像，其中，所述第二类图像为图像背景包含的预设关键信息小于第二阈值的图像。11.根据权利要求10所述的方法，其特征在于，所述预设关键信息包括去亮度色彩方差，所述第二阈值包括色彩方差阈值；所述去除所述多个刷脸图像中的第二类图像，包括：确定每一刷脸图像对应的前景背景分割图；对所述每一刷脸图像对应的前景背景分割图进行边界扩展，并将所述每...

【专利技术属性】
技术研发人员：王昕远，郑少杰，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：